Heart Disease UCI, dataset a cura di:

• Hungarian Institute of Cardiology. Budapest: Andras Janosi, M.D.
• University Hospital, Zurich, Switzerland: William Steinbrunn, M.D.
• University Hospital, Basel, Switzerland: Matthias Pfisterer, M.D.
• V.A. Medical Center, Long Beach and Cleveland Clinic Foundation: Robert Detrano, M.D., Ph.D.

max_heart_rate <- function(age){
  return(220-age)
}

max_heart_rate(30)

## [1] 190

max_heart_rate(50)

## [1] 170

Battito cardiaco in relazione ad una malattia cardiaca

• BS < 100 mg/dL (normale)
• 100 mg/dl <= BS <= 120 mg/dL (aumento del rischio)
• BS > 120 mg/dL (alto rischio)

Il dataset indica, tramite la variabile FastingBloodSugar, l’eventuale superamento del valore di 120 mg/dL.

Livello di zuccheri in relazione ad età e sesso

Che cos’è il colesterolo sierico?

Una misura quantitativa di HDLC, LDLC e triglicerici presenti nel sangue

• Viene calcolato sommando la quantità di colesterolo HDL e LDL e aggiungendo il 20% del livello di trigliceridi presenti nel campione di sangue prelevato.
• Deve essere incluso in un range compreso fra 125 e 200 mg/dL per persone di età superiore ai 20 anni

Una possibile motivazione

Colesterolo in relazione all’età

Distinzioni

Distribuzione

Angina come segno di malattia cardiaca

Malattia in assenza di dolore anginoso

Lettura di un tracciato ECG

Anomalia del tratto ST

Interpretazione dei dati

• OldPeak - indica la misurazione in mm del segmento ST.

• PeakSlope - indica la curvatura del segmento ST osservato, questa in particolare può essere
  • Upsloping (curvatura verso l’alta, indicata dal valore 0)
  • Flat (piatta, indicata dal valore 1)
  • Downsloping (curvatura verso il basso, indicata dal valore 2)

• RestingECG - indica se il referto elettrocardiografico ha presentato:
  • Un tracciato normale (indicato dal valore 0)
  • Anomalie nel tratto ST (indicato dal valore 1)
  • Segni di ipetrofia sinistro-ventricolare (indicato dal valore 2).

Anomalie del tratto ST

Correlazione con la presenza di una malattia

Strumento diagnostico efficace

##   n
## 1 0

Presenza di dolore anginoso

La procedura

Motivazioni

I Dati

• Variabile MajorVessels, in riferimento al numero di diramazioni dei Grandi Vasi colorate dal fluoroscopio.

Con “Grandi Vasi”, ci si riferisce a:

• Vena Cava superiore e inferiore
• Vene polmonari
• Arterie Polmonari
• Aorta

Nei pazienti malati

Dolore anginoso in seguito alla mancanza di ossigenazione

Impiego di un regressione logistico

set.seed(1996)

# Sostituzione dei valori 1 e 0 riferiti a presenza e assenza di malattia cardiaca con "true" e "false"
model <- heart_original %>%
  mutate(HasDisease = as.character(HasDisease)) %>%
  mutate(HasDisease = fct_recode(HasDisease, true = '1', false = '0'))

# Partizionamento del dataset in funzione del test del modello risultante
training_slice <- createDataPartition(model$HasDisease, p = 0.80, list = FALSE)
training <- model[training_slice,]
testing <- model[-training_slice,]


# Regressione Logistica
trControl <- trainControl(summaryFunction = twoClassSummary,
                          classProbs = TRUE)
logistic_regressor <- train(HasDisease ~ ., data = training, method = 'glm', 
                            family = binomial(link = 'logit'), trControl = trControl)

Test dell’accuratezza

predictions <- predict(logistic_regressor, newdata = testing, type = 'prob')
comparation <- data.frame(actual = testing$HasDisease,
                         predicted = predictions$true)

confusionMatrix(data = cut(predictions$true, 
                           breaks = c(-Inf, 0.5, Inf), 
                           labels = c('false', 'true')),
                reference = testing$HasDisease,
                positive = 'true', mode = 'everything')

## Confusion Matrix and Statistics
## 
##           Reference
## Prediction false true
##      false    23    8
##      true      4   25
##                                           
##                Accuracy : 0.8             
##                  95% CI : (0.6767, 0.8922)
##     No Information Rate : 0.55            
##     P-Value [Acc > NIR] : 4.67e-05        
##                                           
##                   Kappa : 0.6013          
##                                           
##  Mcnemar's Test P-Value : 0.3865          
##                                           
##             Sensitivity : 0.7576          
##             Specificity : 0.8519          
##          Pos Pred Value : 0.8621          
##          Neg Pred Value : 0.7419          
##               Precision : 0.8621          
##                  Recall : 0.7576          
##                      F1 : 0.8065          
##              Prevalence : 0.5500          
##          Detection Rate : 0.4167          
##    Detection Prevalence : 0.4833          
##       Balanced Accuracy : 0.8047          
##                                           
##        'Positive' Class : true            
##